香港CN2服务器_美国高防服务器_海外云服务器租用 - 天亿 IDC

前言：为什么需要自动扩缩容？

在云原生时代，业务流量波动频繁，手动调整Pod副本数不仅效率低下，还容易造成资源浪费或服务过载。Kubernetes提供Horizontal Pod Autoscaler（HPA），能够根据CPU、内存或自定义指标自动调整工作负载的副本数。本文基于天亿互联的实战经验，总结5个关键步骤，助你快速实现稳定高效的自动扩缩容。

步骤一：部署Metrics Server（监控数据源）

HPA依赖Metrics API获取Pod资源使用率，因此必须先安装Metrics Server。执行以下命令（适用于K8s v1.19+）：

kubectl apply -f https://github.com/kubernetes-sigs/metrics-server/releases/latest/download/components.yaml

验证是否正常运行：

kubectl get apiservice | grep metrics
# 输出应包含 v1beta1.metrics.k8s.io

如果集群使用自签名证书，需在部署参数中添加--kubelet-insecure-tls。

步骤二：为工作负载配置资源请求与限制

HPA需要依据资源请求（requests）计算使用率，因此每个容器必须定义requests。示例Deployment配置：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: web-app
spec:
  replicas: 2
  template:
    spec:
      containers:
      - name: nginx
        image: nginx:1.25
        resources:
          requests:
            cpu: 200m
            memory: 256Mi
          limits:
            cpu: 500m
            memory: 512Mi

注意：如果未设置requests，HPA将无法计算指标。

步骤三：创建HPA对象（基于CPU/内存）

用kubectl命令行创建最简单的HPA，目标CPU使用率50%：

kubectl autoscale deployment web-app --cpu-percent=50 --min=2 --max=10

或者使用YAML文件更灵活地定义：

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: web-app-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: web-app
  minReplicas: 2
  maxReplicas: 10
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 50
  - type: Resource
    resource:
      name: memory
      target:
        type: Utilization
        averageUtilization: 80

应用配置：kubectl apply -f hpa.yaml

步骤四：使用自定义指标（进阶：基于QPS或并发数）

仅靠CPU/内存可能无法反映真实业务压力。可集成Prometheus Adapter，实现基于请求QPS的扩缩容。先安装Prometheus，然后部署Adapter并配置规则：

# prometheus-adapter-values.yaml
rules:
- seriesQuery: 'http_requests_total{namespace!="",pod!=""}'
  resources:
    overrides:
      namespace: {resource: "namespace"}
      pod: {resource: "pod"}
  metricsQuery: 'sum(rate(http_requests_total{<<.LabelMatchers>>}[1m])) by (<<.GroupBy>>)'

然后定义HPA引用该指标：

metrics:
- type: Pods
  pods:
    metric:
      name: http_requests_per_second
    target:
      type: AverageValue
      averageValue: 100

这样当每个Pod平均QPS超过100时，HPA自动扩容。

步骤五：优化与监控（防止抖动和资源浪费）

1. 设置冷却时间：在HPA中增加behavior字段，避免频繁扩缩：

behavior:
  scaleDown:
    stabilizationWindowSeconds: 300
    policies:
    - type: Percent
      value: 10
      periodSeconds: 60
  scaleUp:
    stabilizationWindowSeconds: 0
    policies:
    - type: Percent
      value: 100
      periodSeconds: 15

2. 结合VPA(垂直扩缩容)：为无状态应用同时部署VPA，调整requests值，使HPA计算更准确。

3. 监控面板：使用Grafana + Prometheus展示HPA实时状态和Pod资源趋势。

kubectl get hpa -w

总结与最佳实践

自动扩缩容是Kubernetes弹性能力的核心。通过以上5步，你已经能在天亿互联的集群上实现基于CPU/内存及自定义指标的自动扩缩容。注意定期检查HPA事件（kubectl describe hpa），并结合集群总资源限额（ResourceQuota）防止扩容失控。最后，建议在生产环境启用Cluster Autoscaler，实现节点级别的自动伸缩，彻底解决资源天花板问题。

如需更完整的配置示例，欢迎访问天亿互联官网文档中心获取。

新闻资讯